Modern Methods of Statistical Learning

Innehåll visas utifrån dina val

Om du inte hittar någon sida, schemahändelse eller nyhet på din kurswebb kan det bero på att du inte ser den kursomgången/gruppen inom kursen som innehållet tillhör.

Veta mer om din kurswebb

Din kurswebb är sidorna för en kurs du prenumererar på. Du väljer sedan vilka omgångar/grupper inom kursen du vill ha information från. Är du registrerad på en kursomgång sköts prenumeration och val av kursomgäng automatiskt åt dig. Vill du ändra något av detta gör du det under Mina inställningar.

När du är inloggad på din kurswebb ser du:
  • Kursöversikt, nyheter och schema med information som är filtrerat utifrån dina valda omgångar/grupper inom kursen
  • Allmänna sidor för hela kursen
  • Kurswikin som är sidor som alla, lärare och studenter, kan skapa och redigera
  • Sidor som hör till de omgångar/grupper inom kursen du valt eller som valts för dig

Log in to your course web

You are not logged in KTH, so we cannot customize the content.

This course gives an introduction to standard methods for statistical learning and the mathematical principles underpinning these methods. The purpose is to provide students with a broad introduction to common methods for supervised and unsupervised learning and the mathematical tools used to design and analyse such methods. Although computational experiments are an important component of the course, it is of mathematical nature and emphasises the theory underlying statistical learning. 

The following is a rough list of the general topics that will be discussed in the course: Introduction to statistical learning, PAC-learning, half-spaces and perceptrons, regression, artificial neural networks, Bayesian stat & learning, linear methods for supervised classification, tree-based methods, support vector machines, principal component analysis, random forests unsupervised learning, probability in high dimension.

The course webpage is on Canvas: 

https://kth.instructure.com/courses/12307

Publisher's web page for the text book  

http://www.springer.com/us/book/9781461471370

The authors'  web page (data, R scripts,  lecture videos)  

http://www-bcf.usc.edu/~gareth/ISL/

 

Teachers

Feedback News